tripy-documentation

par nvidia

Rédigez la documentation API pour nvtripy en suivant les conventions du projet. À utiliser lors de : la rédaction de docstrings pour des opérations ou modules, l'ajout d'exemples de code, l'utilisation de…

npx skills add https://github.com/nvidia/tensorrt-incubator --skill tripy-documentation

API Documentation for nvtripy

When to Use

  • Writing or updating docstrings for public API functions, classes, or modules
  • Adding working code examples to documentation
  • Choosing the correct document_under path for @export.public_api
  • Understanding how documentation is generated and built

Documentation Pipeline

  1. @export.public_api(document_under="...") registers APIs in PUBLIC_APIS list
  2. docs/generate_rsts.py reads PUBLIC_APIS and generates .rst files in the docs hierarchy
  3. Sphinx builds the final HTML docs from those .rst files
  4. Docstring code examples are extracted and validated during testing

@export.public_api Parameters

@export.public_api(
    document_under="operations/functions",   # Doc hierarchy path
    autodoc_options=[":special-members:"],    # Sphinx autodoc options
    bypass_dispatch=True,                     # Skip function registry overhead
)

document_under Path Conventions

PathUse For
"operations/functions"General tensor operations (softmax, reshape, etc.)
"operations/initializers"Tensor creation (ones, zeros, full, arange)
"operations/modules"Neural network modules (Linear, LayerNorm, etc.)
"compiling_code/compile.rst"Compilation-related APIs
"compiling_code/input_info/index.rst"InputInfo and related classes
"config.rst"Configuration variables

The path creates a directory structure: "operations/functions"operations/functions/<name>.rst.

APIs targeting the same .rst file render on the same page.

autodoc_options

  • [":special-members:"] — Include __init__, __call__, etc.
  • [":no-members:", ":no-special-members:"] — Show only the class/module itself
  • [":no-value:"] — Hide the default value of a variable

bypass_dispatch

  • True on a function: Disables the function registry's overload dispatch and type-checking (performance optimization)
  • True on a class: Bypass dispatch for ALL methods
  • ["__init__", "__call__"]: Bypass only for listed methods

Docstring Format

Functions

def my_op(input: "nvtripy.Tensor", dim: int = 0) -> "nvtripy.Tensor":
    r"""
    Brief one-line description of what the function does.

    Longer description with math if applicable:

    :math:`\text{my_op}(x) = f(x)`

    Args:
        input: The input tensor.
        dim: The dimension to operate along.

    Returns:
        A tensor of the same shape as the input.

    .. code-block:: python
        :linenos:

        input = tp.iota([2, 3], dtype=tp.float32)
        output = tp.my_op(input, dim=0)

        assert tp.allclose(output, expected)

    .. seealso:: :func:`related_func`, :class:`RelatedClass`
    """

Classes (Modules)

class MyModule(Module):
    r"""
    Brief description with math notation.

    :math:`\text{MyModule}(x) = xW^T + b`
    """

    dtype: datatype.dtype
    r"""The data type used to perform the operation."""

    weight: Tensor
    r"""The :math:`W` parameter of shape :math:`[\text{out}, \text{in}]`."""

    def __init__(self, features: int, dtype: datatype.dtype = datatype.float32) -> None:
        r"""
        Args:
            features: Size of the feature dimension.
            dtype: The data type for parameters.

        .. code-block:: python
            :linenos:

            module = tp.MyModule(3)
            module.weight = tp.iota(module.weight.shape)

            input = tp.iota((2, 3))
            output = module(input)

            assert cp.from_dlpack(output).get().shape == (2, 3)

            torch_out = torch.nn.functional.my_op(torch.from_dlpack(input))  # doc: omit
            assert np.allclose(cp.from_dlpack(output).get(), cp.from_dlpack(torch_out).get())
        """

Code Example Conventions

Required elements

  1. Setup: Create inputs using tp.iota(), tp.ones(), tp.zeros(), or tp.Tensor()
  2. Operation: Call the function/module under test
  3. Assertion: Verify the result with assert (using tp.allclose, np.array_equal, or shape checks)

Available imports in code blocks

Code examples automatically have access to:

  • tp (nvtripy)
  • np (numpy)
  • cp (cupy)
  • torch

Special directives

  • # doc: omit — Line is excluded from rendered documentation but still executes
  • # doc: no-print-locals <var> — Suppresses automatic printing of the variable
  • :linenos: — Always include for numbered lines

Cross-references

  • :func:function_name`` — Link to a function
  • :class:ClassName`` — Link to a class
  • :math:expression`` — Inline LaTeX math
  • .. seealso:: :func:related`" — "See also" section at the end

Math notation

Use r""" raw strings for docstrings containing :math: to avoid backslash issues.

LaTeX examples:

  • Inline: :math:\text{softmax}(x_{i})``
  • Block: Use \Large / \normalsize for fraction sizing
  • Common: :math:\bar{x} (mean), `:math:`\sigma^2 (variance), :math:\epsilon`` (epsilon)

Checklist

  • @export.public_api(document_under="...") with correct hierarchy path
  • Docstring uses r""" if it contains :math: directives
  • Args section documents all parameters with types
  • Returns section describes output shape/type
  • .. code-block:: python with :linenos: and working assertions
  • .. seealso:: links to related functions/classes
  • Field docstrings for all dataclass fields on modules
  • # doc: omit for verification-only lines that shouldn't appear in docs

Plus de skills de nvidia

compileiq-debug
nvidia
Utilisez quand quelque chose ne va pas : Search() bloque, toutes les évaluations retournent INVALID_SCORE, les scores ne s'améliorent pas, chaque configuration retourne le même nombre, erreurs ptxas…
create-github-pr
nvidia
Créer des pull requests GitHub en utilisant l'interface en ligne de commande gh. Utiliser lorsque l'utilisateur souhaite créer une nouvelle PR, soumettre du code pour révision, ou ouvrir une pull request. Mots-clés de déclenchement -…
nemoclaw-maintainer-cross-issue-sweep
nvidia
Analyse les autres problèmes ouverts pour trouver ceux qu’une PR donnée pourrait également corriger ou casser accidentellement. Génère des opportunités de correctifs adjacents et des risques de contradiction avec fichier:ligne…
fhir-basics
nvidia
Apprend aux agents comment fonctionnent les API FHIR R4, quelles ressources sont disponibles, comment les interroger avec des paramètres de recherche, et comment analyser correctement tous les formats de réponse…
compileiq-validate-result
nvidia
Utiliser APRÈS qu'une recherche soit terminée et AVANT de réclamer un accélérateur ou d'expédier un ACF. Charge le CSV dump_results, extrait les K meilleurs candidats (mono-objectif)…
changelog-audit
nvidia
Auditer le CHANGELOG.md de Warp avant une publication : récupérer les entrées perdues, trier par impact utilisateur, affiner le langage des entrées, ajuster les retours à la ligne et (en mode branche de publication) mettre à jour la comparaison…
maintain-dynamic-plugins
nvidia
Maintenir les chargeurs de plugins dynamiques NeMo Relay, les manifestes, les SDK natifs Rust, le protocole worker gRPC, le SDK worker Python, la documentation, les tests et la couverture du workflow de publication
dgx-diagnose
nvidia
Diagnostiquer les problèmes courants du DGX Station GB300 — plantages CUDA, ciblage incorrect du GPU, bugs de conteneur vLLM/SGLang, problèmes d'état MIG, erreurs NVLink/Fabric Manager,…